02.06.2025
KÜNSTLICHE INTELLIGENZ

NXAI: Linzer KI-Startup veröffentlicht erstes Zeitreihenmodell – und übertrifft Google, Amazon und Salesforce

NXAI, das Linzer KI-Startup rund um Sepp Hochreiter und Albert Ortig, präsentierte mit TiRex sein erstes Zeitreihen-Modell auf xLSTM-Basis. Und übernimmt damit in bekannten KI-Leaderboards die Spitze.
/artikel/nxai-linzer-ki-startup-veroeffentlicht-erstes-zeitreihenmodell-und-uebertrifft-google-amazon-und-salesforce
NXAI, TiRex, Zeitreihenmodelle.
(c) NXAI - Albert Ortig (r.) und Sepp Hochreiter von NXAI

„In den Themen Zeitreihen, Vision-Anwendungen für Autos, Züge oder Drohnen steckt viel mehr Geld drin. Dort werden wir jetzt mit unserem NXAI-Geschäftsmodell ansetzen“, sagte Co-Founder Sepp Hochreiter – Chief Scientist des Linzer KI-Startups und Lehrstuhlinhaber an der JKU Linz – im April 2024 im Trend, als sich ein erhofftes 100-Millionen-Investment nicht materialisierte – brutkasten berichtete. Nun ist es so weit.

NXAI: „TiRex überlegen“

NXAI präsentierte mit TiRex sein erstes Zeitreihen-Modell auf xLSTM-Basis und übernahm damit in bekannten Leaderboards (GiftEval) die Spitze. Dabei sei das TiRex-Modell mit nur 35 Millionen Parametern kleiner als die Wettbewerbsmodelle und somit sehr speichereffizient. „Es ist anderen Methoden nicht nur in der Vorhersagequalität überlegen, sondern auch noch viel schneller als diese“, heißt es per Aussendung. Es übertrifft dabei größere Modelle wie TabPFN-TS (Prior Labs), Chronos Bolt (Amazon), TimesFM (Google) und Moirai (Salesforce).

(c) NXAI: Öffentliches Benchmark-Ranking, das die Leistung von KI-Modellen bei Zeitreihen-Vorhersagen misst.

Ein Zeitreihenmodell versucht, Muster, Trends, Saisonalitäten oder Wiederholungen in Daten zu erkennen, um dann die Vergangenheit zu analysieren, die Zukunft vorherzusagen (Prognose) oder Anomalien zu erkennen (z. B. plötzliche Ausreißer oder Fehler).

„Viele Menschen schauen auf Large Language Models wie ChatGPT, aber die großen Potenziale in der Industrie liegen woanders; beispielsweise in schnellen und speichereffizienten Zeitreihenmodellen – im Auto, in der Maschine, am Förderband, beim Schweißen oder in der Robotik. Überall dort fallen Zeitreihendaten an, die genutzt werden können. Und mit denen Geld verdient werden kann oder aus denen digitale Produkte entwickelt werden könnten. Vortrainierte Zeitreihenmodelle werden heute millionenfach heruntergeladen und schon wirtschaftlich genutzt”, erklärt Co-Founder Albert Ortig, CEO von NXAI.

Zu den bekanntesten Zeitreihenmodellen gehören u.a.:

LSTM: Long Short-Term Memory (LSTM)-Netzwerke gelten als Meilenstein in der KI-Zeitreihenanalyse. Sie sind darauf spezialisiert, sich an frühere Zustände zu erinnern und langfristige Zusammenhänge zu erkennen. Unternehmen setzen LSTM-Modelle insbesondere dann ein, wenn es darum geht, Trends über längere Zeiträume vorherzusagen.

GRU: Eine schnellere, ressourcenschonendere Alternative zum LSTM ist die Gated Recurrent Unit (GRU). Sie bietet ähnliche Lernfähigkeiten, sei jedoch effizienter und eigne sich daher für kleinere Datensätze oder mobile Anwendungen, bei denen die Rechenleistung limitiert ist.

Transformer wurden hingegen für die Sprachverarbeitung entwickelt. Ihre Stärke liege darin, alle Zeitpunkte gleichzeitig zu betrachten – statt Schritt für Schritt – und dabei auch langfristige Abhängigkeiten und Muster global zu erfassen.

CNNs: Convolutional Neural Networks (CNNs) sind eigentlich aus der Bilderkennung bekannt, lassen sich aber auch auf Zeitreihen anwenden. Ihre Spezialität ist das Erkennen lokaler Muster – etwa kurzfristige Ausreißer oder sich wiederholende Peaks.

In-Context-Learning

Zurück zu NXAI: Ihr Modell TiRex setzt auf In-Context-Learning, eine Lernmethode, die Zero-Shot-Vorhersagen (Anm.: Vorhersagen für neue Zeitreihen erfordern kein zusätzliches Training) erlaubt. „Dadurch lässt sich das Modell auch von Nicht-Experten als Prognosewerkzeug einsetzen und kann einfach in existierende Workflows integriert werden. Außerdem zeigen sich insbesondere bei begrenzter Datenverfügbarkeit Verbesserungen der Vorhersagequalität“, präzisiert Andreas Auer, Researcher bei NXAI.

Dadurch könnten beispielsweise Maschinenbauer ihren Kunden TiRex-Modelle als digitale Produkte zur Optimierung anbieten, die dann dank In-Context-Learning ohne neues Training on-premise laufen und auf die Daten des Kunden automatisch optimiert werden.

„Entscheidend ist, wie gut das Modell auf neue Zeitreihen generalisiert – TiRex tut das hervorragend”, erklärt Hochreiter. „Wir sprechen hier nicht mehr über kleine Verbesserungen, sondern über eine deutliche Qualitätssteigerung durch TiRex im Vergleich zu anderen Modellen und das im Kurz- als auch im Langzeitbereich.“

NXAI-Modell mit „State Tracking“

Ausschlaggebend dafür sei die Fähigkeit des Modells, den Systemzustand laufend zu überwachen, zu analysieren und zu aktualisieren. Dieses sogenannte „State Tracking“ könnten etwa transformer-basierte Ansätze nicht. Ein weiterer Vorteil der Modell-Architektur sei, dass man sie an Hardware anpassen könne und dadurch Embedded KI-Anwendungen ermögliche.

„Wir passen unser TiRex-Modell auf komplexe Use-Cases an. Wir arbeiten in der Automobilindustrie, um beispielsweise Ladezustände besser vorherzusagen oder in der Intralogistik, um den Materialfluss noch effizienter zu machen bzw. um Ausfallzeiten vorherzusagen und dann zu minimieren“, sagt Hochreiter. „Wir können aber auch Schweißpunkte prüfen, Einrichtungszeiten reduzieren oder die Qualität vorhersagen und verbessern.“

Deine ungelesenen Artikel:
06.08.2026

Public Venture Clienting: Der Staat als Startup-Kunde

Im Gastbeitrag behandelt Corporate-Venturing-Expertin Viktoria Ilger die Chancen, die Public Venture Clienting bieten kann.
/artikel/public-venture-clienting-der-staat-als-startup-kunde
06.08.2026

Public Venture Clienting: Der Staat als Startup-Kunde

Im Gastbeitrag behandelt Corporate-Venturing-Expertin Viktoria Ilger die Chancen, die Public Venture Clienting bieten kann.
/artikel/public-venture-clienting-der-staat-als-startup-kunde
Viktoria Ilger
Viktoria Ilger | Foto: Viktoria Ilger/Adobe Stock (Hintergrund)

Dieser Text ist zuerst im brutkasten-Printmagazin von Mai 2026 „Die nächste Stufe“ erschienen. Eine Download-Möglichkeit des gesamten Magazins findet sich am Ende dieses Artikels.


Österreich beschafft jährlich Güter, IT-Leistungen und Dienstleistungen im Wert von rund 67 ­Milliarden Euro – etwa 18 Prozent des BIP. Gleichzeitig erwirtschaften laut Austrian Startup Monitor 2023 gerade einmal fünf Prozent der heimischen Startups Umsätze mit öffentlichen Organisationen.

Dieses Missverhältnis ist kein Zufall und kein Versagen einzelner Akteure. Es ist das Ergebnis zweier Welten, die aneinander vorbeireden – und eine Chance, die Österreich systematisch liegen lässt.

Warum Innovation heute Partnerschaften braucht

Unsere Welt wird zunehmend komplexer: Neue Technologien entstehen schneller, als Organisationen sie intern entwickeln können. Lieferketten werden vernetzter, Kundenanforderungen anspruchsvoller, regulatorische Rahmenbedingungen vielschichtiger. In diesem Umfeld ist es weder möglich noch sinnvoll, alles selbst zu entwickeln. Was es braucht, sind smarte Partnerschaften – mit Unternehmen, die genau das lösen, wofür intern Zeit, Team, Ressourcen oder Kernkompetenzen fehlen.

Startups sind dafür prädestiniert: Sie arbeiten mit starkem Problemfokus, entwickeln schlanke Lösungen und bringen eine Geschwindigkeit mit, die etablierte Organisationen strukturell nur schwer erreichen. Viele große Unternehmen im DACH-Raum haben das längst erkannt.

Doch einfach bei Startups einzukaufen funktioniert nicht – klassische Einkaufsprozesse, Rechtsabteilungen und Risikomanagement-Strukturen sind auf Stabilität ausgelegt: bewährte Lieferanten, lange Referenzlisten, geprüfte Bilanzen. Ein Startup mit 18 Monaten Geschichte fällt durch dieses Raster; nicht, weil die Lösung schlecht ist, sondern weil die Prozesse keine Ausnahme kennen. Das Ergebnis: Startups scheitern nicht am Produkt, sondern an der Bürokratie.

Ein Modell, das in der Praxis bereits funktioniert

Venture Clienting wurde als strukturierte Antwort auf genau dieses Problem entwickelt. Kein Fördermodell, keine Beteiligung, kein Accelerator-Programm – sondern ein klarer Prozess: Problemstellungen aus den Fachabteilungen werden identifiziert, passende Startups gescoutet und strukturiert evaluiert. Dann folgt ein Pilotprojekt unter realen Bedingungen, mit definierten Hypothesen und messbaren KPIs. Das Ziel ist nicht das Pilotprojekt selbst, sondern die fundierte Entscheidung danach: skalieren, stoppen oder weiter iterieren?

BMW hat den Ansatz mit der Startup Garage salonfähig gemacht; mittlerweile setzen viele Unternehmen im DACH-Raum und darüber hinaus darauf. Gerade in einer Zeit knapper Budgets gewinnen Effizienzgewinne aus der Zusammenarbeit mit Startups strategisch an Bedeutung.

Public Venture Clienting überträgt diesen Prozess auf die öffentliche Hand: Öffentliche Organisationen und staatsnahe Unternehmen treten als frühe zahlende Kund:innen auf. Die öffentliche Organisation bekommt eine funktionierende Lösung für ein konkretes Problem, das Startup bekommt das Wertvollste, was es in einer frühen Phase bekommen kann: einen zahlenden Kunden, einen Markttest, eine Referenz; und damit offene Türen zu weiteren Märkten und Investoren.

Warum Public Venture Clienting gerade jetzt an Bedeutung gewinnt

Die öffentliche Hand steht unter Druck: Digitalisierung, Klimawende, Versorgungssicherheit und Effizienzsteigerung müssen gleichzeitig vorangetrieben werden – bei begrenzten Ressourcen und steigenden Erwartungen von Bürger:innen und Politik. Startups liefern hier schnelle, digitale und nutzerzentrierte Lösungen für Verwaltung, Mobilität, Klima, Energie und Bürgerdienste; Lösungen, die der öffentliche Sektor in dieser Geschwindigkeit oft nicht selbst entwickeln kann.

Startups stehen unter einem anderen, aber gleichwertigen Druck – Risikokapital-Finanzierungen sind zurückgegangen, der Druck von Investor:innen wegen früher Umsätze ist gestiegen. Hier liegt ein fundamentales Paradox: Österreich hat einen der größten potenziellen Märkte direkt vor der Haustür (67 Milliarden Euro Beschaffungsvolumen), und doch ist dieser Markt für die meisten Startups praktisch nicht zugänglich. Ein öffentlicher Pilotkunde ändert das schlagartig: Cashflow, Stabilität – und eine Referenz, die kein Investor kaufen kann.

Hinzu kommt die dritte Dimension: der Standort. Ein Ökosystem, in dem öffentliche Organisationen systematisch als frühe Kunden auftreten, stärkt heimische Startups auf dem Weg zur Skalierung – und macht Österreich als Innovationsstandort attraktiver. Nicht als Schlagwort, sondern als messbarer Wettbewerbsvorteil im europäischen Vergleich.

Österreich hat eine sehr gute öffentliche Frühphasenfinanzierung für Startups geschaffen und mit dem Dachfonds entsteht Wachstumskapital für Skalierung und Internationalisierung. Das ist richtig und wichtig – und reicht trotzdem nicht. Denn Kapital allein macht aus einer guten Idee noch keine Innovation. Was eine Idee zur Innovation macht, ist die Marktannahme: der Moment, in dem ein echter Kunde echtes Geld bezahlt. Erst dieser Beweis macht aus einem Produkt ein skalierbares Unternehmen. Public Venture Clienting ist damit eine notwendige Ergänzung. Die Kombination aus Kapital und Marktzugang ist der entscheidende Hebel.

Wo die Zusammenarbeit heute an ihre Grenzen stößt

Für das Whitepaper „Public Venture Clienting“ wurden ausführliche Gespräche mit Führungskräften und Mitarbeitenden aus Verwaltung, staatsnahen Unternehmen und der Startup-Szene geführt. Die Herausforderungen sind strukturell tiefer verwurzelt als oft angenommen – und lassen sich in vier Bereiche unterteilen.

Kulturelle Unterschiede

Startups agieren schnell, iterativ und mit hoher Fehlertoleranz. Öffentliche Organisationen sind durch strenge Regulierungen, formale Prozesse und Verantwortlichkeit geprägt – jede Entscheidung muss öffentlich verantwortet werden können. Diese unterschiedlichen Betriebssysteme erzeugen täglich Reibung und Missverständnisse. Ohne bewusste Brückenbauer:innen auf beiden Seiten führt das zu Stillstand.

Fehlende Schnittstellen und Silostrukturen

Für Startups ist oft unklar, wer innerhalb der Organisation zuständig ist, wer entscheidet, wer Budget hat. Bedarfsträger:innen, Einkauf und Rechtsabteilung agieren in Silos mit unterschiedlichen Zielsystemen und ohne gemeinsame Verantwortung für Innovationsprojekte. Diese Fragmentierung erzeugt Reibungsverluste und macht es schwer, eine Tür zu finden, die wirklich aufgeht.

Unterschiedliche Budgethorizonte

Startups operieren mit begrenzter Liquidität und brauchen rasche Entscheidungen sowie zeitnahe Zahlungen. Öffentliche Organisationen planen in Jahreshaushalten. Selbst kleine Beträge für erste Pilotierungen unterliegen langen internen Freigabeprozessen – ein strukturelles Missverhältnis, das Kooperationen abbremst, noch bevor sie begonnen haben.

Rechtliche Unsicherheit und Vergaberecht

Das Vergaberecht ist komplexer, als es auf den ersten Blick scheint – in beide Richtungen. Für Startups ist es eine strukturelle Hürde: Vergabeverfahren verlangen Eignungsnachweise wie Mindestumsätze, Bonitätsnachweise oder Referenzprojekte, die junge Unternehmen kaum erfüllen können. Ein überzeugendes MVP reicht formal nicht aus. Auf der anderen Seite existieren Spielräume: funktionale Leistungsbeschreibungen, Innovationspartnerschaften, Direktvergaben bis 143.000 Euro. Das Problem ist oft nicht das formale Erlaubtsein, sondern die Prüfrealität dahinter: Vergabeentscheidungen müssen ex post gegenüber Kontroll- und Prüfstellen – insbesondere dem Rechnungshof – tragfähig begründet werden können. Diese Anforderung prägt das tatsächliche Entscheidungshandeln oft stärker als der gesetzliche Spielraum selbst. Das Ergebnis: Innovative Beschaffungsansätze werden vor allem dort genutzt, wo sie in standardisierte, intern abgestimmte Prozesse eingebettet sind. Wo das fehlt, entscheiden Einkauf, Recht und Fachabteilungen mit unterschiedlichen Zielen und ohne gemeinsame Verantwortung für das Innovationsprojekt als Ganzes.

Vom Einzelfall zur Struktur

Public Venture Clienting ist ein Lernprozess für alle Beteiligten. Öffentliche Organisationen entwickeln ein besseres Verständnis für iterative Innovationsprozesse; Startups lernen, wie Vergabe- und Entscheidungslogiken im öffentlichen Bereich funktionieren. Beide Seiten gewinnen Sicherheit in der Zusammenarbeit.

Was es dafür braucht, zeigen die Interviews deutlich: klare Zuständigkeiten. Wer ist verantwortlich für die Zusammenarbeit mit Startups? Wer begleitet den Übergang vom Pilotprojekt in die Skalierung? Öffentliche Organisationen, die das intern klar regeln – mit einer zentralen Anlaufstelle, interdisziplinären Teams aus Bedarfsträger:innen, Einkauf und Recht sowie definierten Prozessen –, schaffen die Grundlage, auf der alles andere aufbaut.

Das Vergaberecht muss dabei kein Feind sein. Statt Einzelentscheidungen fallweise abzusichern – oft mit externen Gutachten, die Zeit und Geld kosten –, braucht es standardisierte Schablonen: Begründungstexte für Direktvergaben, Checklisten für funktionale Ausschreibungen, klare Pilotklauseln.

Wenn öffentliche Beschaffung konsequent als Innovationsinstrument verstanden wird, verwandelt sie sich vom bürokratischen Pflichtprogramm in einen Motor für Fortschritt, Digitalisierung und Standortentwicklung. Nicht vom Einzelfall zur Ausnahme – sondern vom Einzelfall zur Struktur.

Wie das konkret gelingen kann – mit Handlungsempfehlungen, Best Practices und einem detaillierten Blick auf das Vergaberecht –, zeigt das vollständige Whitepaper, das im Juni erschienen ist.


Dieser Text ist ein Sneakpeek aus dem Whitepaper „Public Venture Clienting“, veröffentlicht in Kooperation mit Viktoria Ilger und Venture Clienting Austria (VCA).

Viktoria Ilger unterstützt mit ihrem Unternehmen Sustainable Transformers Organisationen dabei, Innovation strukturiert in die Anwendung zu bringen – mit besonderem Fokus auf Corporate Venturing und der Zusammenarbeit mit Startups. Zuvor hat sie über mehrere Jahre die Open-Innovation-Aktivitäten eines internationalen Technologieunternehmens aufgebaut. Sie ist Mitgründerin und Vorstandsmitglied von Venture Clienting Austria (VCA), einem Verein, der den Austausch rund um Venture Clienting in Österreich fördert und Best Practices zwischen Unternehmen, öffentlicher Hand und Startups sichtbar macht.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

NXAI: Linzer KI-Startup veröffentlicht erstes Zeitreihenmodell – und übertrifft Google, Amazon und Salesforce

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

NXAI: Linzer KI-Startup veröffentlicht erstes Zeitreihenmodell – und übertrifft Google, Amazon und Salesforce

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

NXAI: Linzer KI-Startup veröffentlicht erstes Zeitreihenmodell – und übertrifft Google, Amazon und Salesforce

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

NXAI: Linzer KI-Startup veröffentlicht erstes Zeitreihenmodell – und übertrifft Google, Amazon und Salesforce

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

NXAI: Linzer KI-Startup veröffentlicht erstes Zeitreihenmodell – und übertrifft Google, Amazon und Salesforce

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

NXAI: Linzer KI-Startup veröffentlicht erstes Zeitreihenmodell – und übertrifft Google, Amazon und Salesforce

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

NXAI: Linzer KI-Startup veröffentlicht erstes Zeitreihenmodell – und übertrifft Google, Amazon und Salesforce

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

NXAI: Linzer KI-Startup veröffentlicht erstes Zeitreihenmodell – und übertrifft Google, Amazon und Salesforce

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

NXAI: Linzer KI-Startup veröffentlicht erstes Zeitreihenmodell – und übertrifft Google, Amazon und Salesforce